SKILLEMALL.ai
EN Войти

CC roster

Создает еженедельные графики смен (KW-JSON) из данных о доступности в формате CSV и отправляет их в GitHub.

машинный переводПоказать оригиналСкрыть оригинал«Creates weekly shift rosters (KW-JSON) from CSV availability data and…»

Creates weekly shift rosters (KW-JSON) from CSV availability data and pushes them to GitHub.

ClawHub Agent Skills автор: kleberbaum v1.5.0 MIT-0 12 файлов · 5 скриптов тело ≈ 11 021 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Создает еженедельные графики смен (KW-JSON) из данных о доступности в формате CSV и отправляет их в GitHub.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения

ГенераторGitHubИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
69/100
безопасность, качество, тесты
Безопасность 60%
75
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • средняя Утечка данных net-credential-use scripts/get-employees.sh:17
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    RESPONSE=$(curl -s -H "Authorization: token $GITHUB_TOKEN" \
  • средняя Утечка данных net-credential-use scripts/push-to-github.sh:60
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    RESPONSE=$(curl -s -H "Authorization: token $GITHUB_TOKEN" \
  • средняя Утечка данных net-credential-use scripts/update-employees.sh:51
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    RESPONSE=$(curl -s -H "Authorization: token $GITHUB_TOKEN" \
  • средняя Утечка данных net-credential-use SKILL.md:161
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -o /dev/null -w "%{http_code}" -H "Authorization: token $GITHUB_TOKEN" \
  • средняя Утечка данных net-credential-use SKILL.md:910
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -H "Authorization: token $GITHUB_TOKEN" \

Просканировано файлов: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 11021 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 58/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Стоимость исполнения. Тело инструкции 11021 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 261
  • 100Ошибки и развилки. Развилок: 24, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (9 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 92: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -268 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 55 заголовков
  • +3Пошаговые инструкции: 261 пунктов
  • +4Есть примеры (17 блоков кода)
  • +3Все 5 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: suspicious
This looks like a real roster tool, but it can persistently change employee records and trigger GitHub workflows that send rosters externally with loose confirmation boundaries.
LLM: suspicious (high) · VirusTotal: benign · 28 мая 2026 г.